摘要： WeatherNext 2模型能够从单一起点预测数百种可能的天气结果，其预测速度在单个TPU上仅需不到一分钟，远快于使用物理模型在超级计算机上的计算。该模型在99.9%的变量（如温度、风速、湿度）和预报时效（0-15天）方面超越了之前的WeatherNext模型。新的人工智能建模方法——功能生成网络（FGN），通过直接将‘噪声’注入模型架构，使得生成的预报保持物理现实性和互联性。这种方法特别适用于预测气象学家所说的‘边缘’和‘联合’，即单个独立天气元素和复杂的大规模互联系统。该模型能够从对边缘的培训中学习如何精确预测联合，这对于识别受高温影响的整个区域或风力发电场的预期电力输出等最有用的预测至关重要。
讨论： 这篇讨论主要围绕Google的新气象模型展开。用户们分享了对于模型性能的看法，包括对预测准确性的质疑、对模型训练频率的讨论、以及对与现有模型的比较。一些用户指出，尽管新模型在生成大量预测场景和速度上有所提升，但并没有详细说明这些改进如何转化为预测准确性的提高。同时，也有用户提到Google的默认天气应用在过去的六个月内表现不佳，而其他第三方应用如weawow则提供了更准确的预报。讨论中还涉及了关于气象预测的普遍挑战和过去的历史故事。
原文标题：WeatherNext 2: Our most advanced weather forecasting model
原文链接：https://blog.google/technology/google-deepmind/weathernext-2/
讨论链接：https://news.ycombinator.com/item?id=45954210